論文の概要: Online Mapping for Autonomous Driving: Addressing Sensor Generalization and Dynamic Map Updates in Campus Environments

• arxiv url: http://arxiv.org/abs/2509.25542v1
• Date: Mon, 29 Sep 2025 21:56:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 14:44:59.947797
• Title: Online Mapping for Autonomous Driving: Addressing Sensor Generalization and Dynamic Map Updates in Campus Environments
• Title（参考訳）: 自律走行のためのオンラインマッピング:キャンパス環境におけるセンサの一般化と動的マップ更新への対応
• Authors: Zihan Zhang, Abhijit Ravichandran, Pragnya Korti, Luobin Wang, Henrik I. Christensen,
• Abstract要約: 本稿では,2台のフロントカメラとLiDARセンサを備えたキャンパスゴルフカートプラットフォーム上でのオンラインマッピングシステムの実現について述べる。 本研究は,(1)キャンパス環境における3次元HDマップのラベル付け,(2)SemVecMapモデルの統合と一般化,(3)予測されたHDマップを段階的に生成・更新して環境変化を捉える,という3つの課題に取り組む。
• 参考スコア（独自算出の注目度）: 13.356787016388202
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High-definition (HD) maps are essential for autonomous driving, providing precise information such as road boundaries, lane dividers, and crosswalks to enable safe and accurate navigation. However, traditional HD map generation is labor-intensive, expensive, and difficult to maintain in dynamic environments. To overcome these challenges, we present a real-world deployment of an online mapping system on a campus golf cart platform equipped with dual front cameras and a LiDAR sensor. Our work tackles three core challenges: (1) labeling a 3D HD map for campus environment; (2) integrating and generalizing the SemVecMap model onboard; and (3) incrementally generating and updating the predicted HD map to capture environmental changes. By fine-tuning with campus-specific data, our pipeline produces accurate map predictions and supports continual updates, demonstrating its practical value in real-world autonomous driving scenarios.
• Abstract（参考訳）: ハイデフィニション(HD)マップは、安全かつ正確なナビゲーションを可能にするために、道路境界、車線分割器、横断歩道などの正確な情報を提供する、自動運転に不可欠である。 しかし、従来のHDマップ生成は労働集約的であり、高価であり、動的環境の維持が困難である。 これらの課題を克服するために、デュアルフロントカメラとLiDARセンサーを備えたキャンパスゴルフカートプラットフォーム上に、オンラインマッピングシステムの現実的な展開を提案する。 本研究は,(1)キャンパス環境における3次元HDマップのラベル付け,(2)SemVecMapモデルの統合と一般化,(3)予測されたHDマップを段階的に生成・更新して環境変化を捉える,という3つの課題に取り組む。 キャンパス固有のデータを微調整することで、私たちのパイプラインは正確なマップ予測を生成し、継続的な更新をサポートし、現実の自動運転シナリオにおけるその実用的価値を実証します。

関連論文リスト

• DualMap: Online Open-Vocabulary Semantic Mapping for Natural Language Navigation in Dynamic Changing Scenes [16.698884856720408]
  ロボットが動的に変化する環境を理解し、ナビゲートできるオンラインオープン語彙マッピングシステムであるDualMapを紹介した。 提案するハイブリッドセグメンテーションとオブジェクトレベルのステータスチェックにより,従来の手法が必要とする3Dオブジェクトのマージが不要になる。 本研究では,3次元オープン語彙セグメンテーション,効率的なシーンマッピング,オンライン言語誘導ナビゲーションにおける最先端性能を示す。
  論文  参考訳（メタデータ） (2025-06-02T17:59:10Z)
• GeoDrive: 3D Geometry-Informed Driving World Model with Precise Action Control [50.67481583744243]
  実世界モデルにロバストな3次元形状条件を明示的に統合したGeoDriveを紹介する。 車両の位置を編集することでレンダリングを強化するため,トレーニング中の動的編集モジュールを提案する。 動作精度と空間認識の両面で既存のモデルよりも優れていた。
  論文  参考訳（メタデータ） (2025-05-28T14:46:51Z)
• Inferring Driving Maps by Deep Learning-based Trail Map Extraction [5.381140012327021]
  ハイデフィニション(HD)マップは、運転シーンに関する広範囲かつ正確な環境情報を提供する。 最近の傾向は、オフラインマッピングからオンラインマッピングへ移行し、使用済みマップの可用性と現実性を確保している。 ドライバが非公式に使用する経路をマップ作成プロセスに統合する,新たなオフラインマッピング手法を提案する。
  論文  参考訳（メタデータ） (2025-05-15T13:09:19Z)
• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• Driving with Prior Maps: Unified Vector Prior Encoding for Autonomous Vehicle Mapping [18.97422977086127]
  高精細マップ(HDマップ)は、自動運転車の正確なナビゲーションと意思決定に不可欠である。 オンボードセンサーを用いたHDマップのオンライン構築が有望なソリューションとして浮上した。 本稿では,事前マップのパワーを活用して,これらの制約に対処するPresidedDriveフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-09-09T06:17:46Z)
• Augmenting Lane Perception and Topology Understanding with Standard Definition Navigation Maps [51.24861159115138]
  Standard Definition (SD) マップは、より安価で、世界中でカバーでき、スケーラブルな代替手段を提供する。 本稿では,オンライン地図予測にSDマップを統合する新しいフレームワークを提案し,Transformer を用いたエンコーダ SD Map Representations を提案する。 この拡張は、現在の最先端のオンラインマップ予測手法におけるレーン検出とトポロジー予測を一貫して(最大60%まで)大幅に向上させる。
  論文  参考訳（メタデータ） (2023-11-07T15:42:22Z)
• HDMapGen: A Hierarchical Graph Generative Model of High Definition Maps [81.86923212296863]
  HDマップは道路路面の正確な定義と交通ルールの豊富な意味を持つ地図である。 実際の道路トポロジやジオメトリはごくわずかで、自動運転スタックをテストする能力は著しく制限されています。 高品質で多様なHDマップを生成可能な階層グラフ生成モデルであるHDMapGenを提案する。
  論文  参考訳（メタデータ） (2021-06-28T17:59:30Z)
• MP3: A Unified Model to Map, Perceive, Predict and Plan [84.07678019017644]
  MP3は、入力が生のセンサーデータと高レベルのコマンドであるマップレス運転に対するエンドツーエンドのアプローチである。 提案手法は, より安全で, 快適であり, 長期クローズループシミュレーションにおいて, ベースラインよりもコマンドを追従できることを示す。
  論文  参考訳（メタデータ） (2021-01-18T00:09:30Z)
• DAGMapper: Learning to Map by Discovering Lane Topology [84.12949740822117]
  我々は、分岐とマージによるトポロジー変化を含む多くのレーンを持つ複雑な高速道路のレーン境界を描くことに集中する。 グラフのノードがレーン境界の局所領域の幾何学的および位相的特性を符号化する有向非巡回グラフィカルモデル(DAG)における推論として問題を定式化する。 2つの異なる州における2つの幹線道路における我々のアプローチの有効性を示し、高い精度とリコールと89%の正しいトポロジーを示す。
  論文  参考訳（メタデータ） (2020-12-22T21:58:57Z)
• Probabilistic Semantic Mapping for Urban Autonomous Driving Applications [1.181206257787103]
  本研究では,道路,歩道,横断歩道,車線などの静的なランドマークの自動的かつ正確なラベル付けを行うために,画像と予め構築した点クラウドマップ情報を融合することを提案する。 本手法は,2次元画像のセマンティックセグメンテーションを行い,意味ラベルとポイント・クラウド・マップを関連づけて世界を正確にローカライズし,混乱行列の定式化を利用して,鳥の眼球面の確率論的セマンティック・マップを意味点・クラウドから構築する。
  論文  参考訳（メタデータ） (2020-06-08T19:29:09Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。